买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华侨大学申请的专利基于Vision-Mamba CNN的端到端图像压缩方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120088349B 。

龙图腾网通过国家知识产权局官网在2025-07-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510562636.3，技术领域涉及：G06T9/00；该发明授权基于Vision-Mamba CNN的端到端图像压缩方法及装置是由陈婧;曾闯闯;曾焕强;朱建清;施一帆;林琦;郑惠洁设计研发完成，并于2025-04-30向国家知识产权局提交的专利申请。

本基于Vision-Mamba CNN的端到端图像压缩方法及装置在说明书摘要公布了：本发明公开了一种基于Vision‑MambaCNN的端到端图像压缩方法及装置，涉及图像处理领域，包括：获取待压缩的图像并输入到经训练的图像压缩模型，先经过非线性变换网络，得到潜在表示并分别输入到第一量化器和超先验变换网络，得到量化后的潜在表示和超先验变换的潜在表示；超先验变换的潜在表示经过量化，并依次经过第二编码器、第二解码器和超先验反变换网络，得到超先验变换的第二潜在表示特征；量化后的潜在表示和超先验变换的第二潜在表示特征输入到上下文模块，得到高斯分布，量化后的潜在表示依次经过第一编码器和第一解码器并结合高斯分布，得到第一潜在表示特征并输入到非线性反变换网络，得到压缩后的图像，本发明解决了压缩效率与重建质量低的问题。

本发明授权基于Vision-Mamba CNN的端到端图像压缩方法及装置在权利要求书中公布了：1.一种基于Vision-MambaCNN的端到端图像压缩方法，其特征在于，包括以下步骤： 构建图像压缩模型并训练，得到经训练的图像压缩模型，所述图像压缩模型包括非线性变换网络、超先验变换网络、非线性反变换网络、超先验反变换网络、第一量化器、第二量化器、第一编码器、第一解码器、第二编码器、第二解码器和上下文模块，所述非线性变换网络包括4个下采样模块以及3个设置在相邻两个下采样模块之间的Vision-MambaCNN模块；所述非线性反变换网络包括4个上采样模块以及3个设置在相邻两个上采样模块之间的Vision-MambaCNN模块；所述超先验变换网络包括2个下采样模块以及1个设置在相邻两个下采样模块之间的Vision-MambaCNN模块；所述超先验反变换网络包括2个上采样模块以及1个设置在相邻两个上采样模块之间的Vision-MambaCNN模块； 获取待压缩的图像并输入到所述经训练的图像压缩模型，所述图像先经过所述非线性变换网络进行非线性变换，得到对应的潜在表示；所述潜在表示输入到所述第一量化器中，得到量化后的潜在表示；所述潜在表示输入到所述超先验变换网络中，得到超先验变换的潜在表示；所述超先验变换的潜在表示输入到第二量化器中，得到量化后的超先验变换的潜在表示；所述量化后的超先验变换的潜在表示依次经过所述第二编码器和第二解码器，得到对应的第二潜在表示特征；所述第二潜在表示特征输入到所述超先验反变换网络中，得到超先验变换的第二潜在表示特征；所述量化后的潜在表示和超先验变换的第二潜在表示特征输入到所述上下文模块，得到高斯分布，所述上下文模块包括依次连接的第二拼接层、小波卷积层、通道上下文模型和熵参数层，所述量化后的潜在表示和超先验变换的第二潜在表示特征输入到第二拼接层，得到第二拼接特征，所述第二拼接特征依次经过所述小波卷积层和通道上下文模型，得到第三中间特征，所述第三中间特征输入到所述熵参数层，得到所述高斯分布；所述通道上下文模型包括依次连接的第十卷积层、第一GeLU激活函数层、第十一卷积层、第二GeLU激活函数层和第十二卷积层；所述熵参数层中采用数据分块操作；所述量化后的潜在表示依次经过所述第一编码器和第一解码器并结合所述高斯分布，得到对应的第一潜在表示特征；所述第一潜在表示特征输入到所述非线性反变换网络中，得到压缩后的图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。